Nilai-nilai parameter dari persamaan tersebut diselesaikan dengan menggunakan Metode Kuadrat Terkecil atau Ordinary Least Square OLS.
Pendugaan dengan Metode Kuadrat Terkecil atau Ordinary Least Square OLS memiliki beberapa persyaratan untuk memperoleh the best linear unbiased estimated
BLUE sehingga dilakukan uji asumsi klasik. Namun pada penelitian ini hanya asumsi normalitas, multikolinieritas, dan heteroskedastisitas yang diuji. Sedangkan
autokorelasi tidak diuji sebab asumsi ini sering terjadi pada penelitian dengan data time series Soekartawi, 1994.
Hal ini dikemukakan Supranto 2005 bahwa autokorelasi merupakan korelasi antara anggota seri observasi yang disusun menurut urutan waktu. Sehingga pada
penelitian ini uji asumsi klasik yang digunakan yaitu :
3.4.3 Asumsi Normalitas Untuk Biaya Usahatani
Asumsi kenormalan sangat diperlukan dalam menghadapi sampel kecil untuk keperluan pengujian hipotesis Supranto, 2005. Tujuan uji normalitas adalah untuk
mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng Santoso, 2010.
Untuk menguji normalitas dengan pendekatan grafik digunakan Normal Probability Plot, yaitu dengan membandingkan distribusi kumulatif data
sesungguhnya yang digambarkan dengan ploting dengan distribusi kumulatif dari distribusi normal yang digambarkan dengan garis lurus normal dari kiri ke kanan
atas. Jika data normal, maka garis yang digambarkan data akan mengikuti atau merapat ke garis diagonalnya Sulianto, 2011.
Universitas Sumatera Utara
3.4.4 Asumsi Multikolinieritas Biaya Usahatani
Menurut Ragner Frish dalam Supranto 2005 istilah kolinieritas sendiri berarti hubungan linear tunggal, sedangkan kolinieritas ganda milticollinearity
menunjukkan adanya lebih dari satu hubungan linear yang sempurna. Untuk mendeteksi adanya multikolinearitas dapat ditinjau dari beberapa hal berikut :
4. nilai toleransi lebih kecil dari 0,1
5. nilai VIF lebih besar dari 10
6. R² = 1
Jika terjadi masalah multikolinearitas maka dapat dilakukan beberapa metode untuk mengatasinya. Metode-metode yang dapat dilakukan adalah sebagai berikut:
4. Memperbesar ukuran sampel
5. Menggabungkan data time series dan data cross-section, atau
6. Dengan menghilangkan salah satu atau lebih variabel bebas
3.4.8 Asumsi Heteroskedastisitas Biaya Usahatani
Heteroskedastisitas dideteksi dengan metode grafik dengan mengamati scatterplot. Jika scatterplot membentuk pola tertentu, hal itu bisa menunjukkan
adanya masalah heteroskedastisitas pada model regresi yang dibentuk. Sedangkan scatterplot jika menyebar secara acak maka hal itu menunjukkan tidak terjadinya
masalah heteroskedastisitas Santoso, 2010.
3.4.9 Uji f Biaya Usahatani Biaya Usahatani
